この記事では、Microsoft Purview の完全データ一致 (EDM) ベースの機密情報タイプで使用するために機密データ テーブルを準備してエクスポートする方法について説明します。 EDM スキーマを作成できるように、プライマリ フィールドとセカンダリ フィールドを選択し、データを構造化し、サポートされている形式で保存する方法を説明します。
このエクスポート手順が適用される製品とサービス
機密データ テーブルは、ドキュメント内のコンテンツを比較して機密データを識別するための値の行を含むテキスト ファイルです。 これらの値は、個人を特定できる情報、製品レコード、またはコンテンツ内で検出して保護するテキスト形式のその他の機密データである可能性があります。
テーブル内のデータを (サポートされている形式のいずれかで) エクスポートしたら、EDM スキーマを作成できます。
EDM 機密情報の種類を定義する
EDM 機密タイプを定義するとき、最も重要な決定事項の 1 つは、どのフィールドをプライマリ フィールドとして使用するかを定義することです。 プライマリ フィールドは検出可能なパターンに従い、EDM スキーマで検索可能なフィールド (列) として定義する必要があります。 セカンダリ フィールドは、プライマリ フィールドとの一致を取り囲むすべてのテキストと比較されるため、パターンに従う必要はありません。
次のルールを使用して、主フィールドとして使用する列を決定するのに役立ちます。
- 機密データ テーブル内のフィールドに一致する 1 つの値の存在に基づいて機密データを検出する必要がある場合は、周囲に他の機密データが存在するかどうかに関係なく、その列を EDM SIT のプライマリ要素として定義する必要があります。
- 機密データ テーブル内の異なるフィールドの複数の組み合わせをコンテンツ内で検出する必要がある場合は、そのような組み合わせのほとんどに共通する列を特定し、それらを主要な要素として指定します。 他のフィールドの組み合わせをセカンダリ要素として指定します。
- 主要な要素として使用する列が、
any text stringなどの検出可能なパターンに従っていない場合、またはドキュメントや電子メールの大部分に存在する検出可能なパターンに従っている場合は、より適切に構造化された他の列を主要な要素として選択します。
たとえば、 full name、 date of birth、 account number、 Social Security Number の列がある場合、名と姓が、検出するデータのさまざまな組み合わせに共通する列であっても、そのような文字列は、簡単に識別できるパターンに従いません。機密情報の種類として定義するのが難しい可能性があります。 これにはいくつかの理由があります。
- 名前によっては、大文字で始まらない場合があります
- 一部は 2 つ、3 つ、またはそれ以上の単語/文字列で形成される場合があります
- 一部には数字やその他のアルファベット以外の文字が含まれている場合があります。 生年月日をより簡単に識別できますが、すべての電子メールとほとんどのドキュメントには少なくとも 1 つの日付が含まれるため、
DateOfBirthフィールドも適切な候補ではありません。 代わりに、社会保障番号や口座番号などのフィールドを使用してください。これらは主フィールドの候補として適しています。
サンプル ファイル テンプレート
プライマリ フィールドを簡単に選択できるように、次のサンプル ファイル テンプレートをいくつか用意しました。
これらはカンマ区切り値 (.csv) ファイルであり、これらの業種で最も一般的に使用されている値が列ヘッダーとして、行には Microsoft が生成した合成値が含まれます。 列見出しを使用すると、主フィールドを決めやすくなります。 ベスト プラクティスは、必要なソース データのみをエクスポートすることです。 列見出しには、最も関連性の高いフィールドが表示されます。
サンプル ファイル テンプレートを使用する方法については、「 サンプル ファイル テンプレートを使用する方法」を参照してください。
機密データを .csv、 .tsv、パイプ で区切られた 形式で保存する
次の手順に従って、サポートされているテキスト形式で機密データを保存します。
使用する機密情報を特定します。 Microsoft Excel などのアプリにデータをエクスポートし、ファイルをテキスト ファイルとして保存します。 ファイルは、 .csv (コンマ区切り値)、 .tsv (タブ区切り値)、または (| (パイプ区切り) 形式のいずれかで保存できます。 .tsv 形式は、住所などのコンマがデータ値に含まれている場合に推奨されます。 データ ファイルには、次のデータを含めることができます。
- 最大 1 億行の機密データ
- データ ソースごとに最大 32 列 (フィールド)
- 最大 10 列 (フィールド) が検索可能としてマークされている
.csv または .tsv ファイル内の機密データを構造化し、1 行目に EDM ベースの分類に使用されるフィールドの名前が含まれるようにします。 ファイルには、"ssn"、"birthdate"、"firstname"、"lastname" などのフィールド名がある場合があります。 列見出しの名前にスペースやアンダースコアを含めることはできません。 たとえば、 PatientRecords.csvという名前のサンプル .csv ファイルとその列には、 PatientID、 MRN、 LastName、 FirstName、 SSN などが含まれます。
機密データ フィールドの形式に注意してください。特に、コンテンツにコンマが含まれている可能性があるフィールドです。 たとえば、.csv 形式が選択されている場合、値 "ワシントン州シアトル" を含む番地は 2 つの個別のフィールドとして解析されます。 これを回避するには、機密データ テーブルで .tsv 形式を使用するか、値を含むコンマを二重引用符で囲みます。 値を含むコンマにスペースも含まれる場合は、対応する形式に一致するカスタム SIT を作成する必要があります。 たとえば、コンマとスペースが含まれている複数単語の文字列を検出する SIT などです。
次の手順
使用しているエクスペリエンスに基づいて次の記事を選択してください。
- 新しいエクスペリエンスの場合: 新しいエクスペリエンス用の EDM SIT サンプル ファイルを作成する
または
- クラシック エクスペリエンスの場合: 完全一致ベースの機密情報タイプのスキーマを作成する